tech-news-digest

• Briefings tech quotidiens ou hebdomadaires : Vous souhaitez un résumé structuré et classé de ce qui s'est passé dans les domaines de l'IA, de la crypto et de l'open source, sans avoir à consulter manuellement des dizaines de sources.
• Automatisation de newsletter Discord/e-mail : Vous avez besoin d'un workflow répétable piloté par cron qui publie des digests dans un canal Discord ou envoie des e-mails HTML formatés selon un calendrier défini.
• Suivi des KOLs et de l'activité GitHub : Vous suivez des comptes Twitter/X spécifiques (chercheurs en IA, fondateurs) et souhaitez retrouver leurs publications aux côtés des notes de version GitHub et des dépôts tendance dans un seul fil.
• Surveillance de sources personnalisées : Vous souhaitez surveiller vos propres flux RSS, subreddits ou dépôts GitHub, et obtenir des résultats évalués par score de qualité et dédupliqués par rapport aux digests précédents.

• Alertes en temps réel : cette compétence fonctionne en mode batch/planifié ; elle n'est pas conçue pour les notifications push instantanées lors de la survenue d'actualités urgentes.
• Domaines non technologiques : les sources et les définitions de sujets sont préconfigurées autour de l'IA, des cryptomonnaies et des technologies de pointe. Les adapter à des domaines sans rapport (par ex., sport, finance) nécessite une réécriture substantielle de la configuration.
• Environnements sans Python 3.8+ : le pipeline nécessite Python 3 pour fonctionner ; il ne peut pas opérer dans des environnements purement basés sur un navigateur ou sans code.

Le script run-pipeline.py récupère simultanément des données depuis des flux RSS, des KOLs Twitter/X, des versions GitHub, des dépôts GitHub Trending, Reddit et la recherche web, en utilisant des workers parallèles. Les 6 étapes de récupération s'exécutent de manière concurrente et se terminent en environ 30 secondes.

merge-sources.py attribue un score à chaque article en utilisant des métriques d'engagement et la priorité des sources, puis effectue la déduplication par similarité de titre (seuil de 85 %) et pénalise les éléments déjà présents dans les digests précédents. Le résultat est regroupé par thème et trié par score.

Livré avec 62 flux RSS (laboratoires d'IA, blogs tech, médias crypto), 48 KOLs Twitter/X, 28 dépôts GitHub, 13 subreddits et 4 requêtes de recherche web thématiques — couvrant les LLM, les agents IA, la crypto et les technologies de pointe, sans aucune configuration requise.

Comprend des modèles prêts à l'emploi pour Discord (optimisé mobile, compatible 2000 caractères), les e-mails HTML (avec résumé exécutif et liens d'archive), et les PDF A4 stylisés (Noto Sans CJK SC, en-têtes emoji, numéros de page via weasyprint).

La collecte Twitter prend en charge twitterapi.io (recommandé, ~3–5 $/mois) ou le jeton bearer officiel de l'API X v2, avec détection automatique. La recherche web prend en charge Brave ou Tavily, avec basculement automatique tenant compte des limites de débit entre les modes de requêtes parallèles et séquentielles.

Les fichiers personnalisés sources.json et topics.json dans workspace/config/ remplacent ou étendent les paramètres par défaut sans modifier le bundle de la compétence tech-news-digest. Ajoutez de nouvelles sources, désactivez celles qui génèrent trop de bruit, ou redéfinissez les requêtes de recherche par sujet et les limites d'affichage.

Planifiez une tâche cron quotidienne faisant référence à digest-prompt.md pour exécuter le pipeline complet sur les 48 dernières heures, puis publiez un résumé au format liste à puces dans un canal Discord — couvrant les principales actualités LLM, les dépôts GitHub tendance et les tweets des KOL.

Générez un récapitulatif glissant sur 7 jours avec 10 à 15 éléments par section, enrichissez les articles principaux avec leur texte intégral, et envoyez un e-mail HTML mis en forme avec une pièce jointe PDF optionnelle en utilisant le modèle d'e-mail intégré et send-email.py.

Utilisez fetch-github.py pour suivre les versions publiées par des projets tels que LangChain, vLLM, DeepSeek et Llama au cours de la semaine écoulée, notées et dédupliquées par rapport aux digests précédents, afin de ne faire remonter que les versions véritablement nouvelles.

Exécutez source-health.py sur les sorties du pipeline pour suivre les taux de succès et d'échec par source sur 7 jours, identifier les flux ou points de terminaison API avec des taux d'échec supérieurs à 50 %, et nettoyer ou remplacer les sources peu fiables.